CN115496002B - 一种多维特征交互的线路动态增容方法、***及介质 - Google Patents
一种多维特征交互的线路动态增容方法、***及介质 Download PDFInfo
- Publication number
- CN115496002B CN115496002B CN202211438022.7A CN202211438022A CN115496002B CN 115496002 B CN115496002 B CN 115496002B CN 202211438022 A CN202211438022 A CN 202211438022A CN 115496002 B CN115496002 B CN 115496002B
- Authority
- CN
- China
- Prior art keywords
- time
- line
- module
- modal
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种多维特征交互的线路动态增容方法、***及介质,方法包括利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列;针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征,同时将获得的模态特征和时间特征通过一个双工DT模块实现特征交互;利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值;根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容。本申请降低预测误差,最终实现对线路环境参数的准确预测和动态增容。
Description
技术领域
本申请涉及能源互联网电路线路动态增容领域,具体涉及一种基于双通道自适应动态卷积的多维特征交互的线路动态增容方法、***及介质。
背景技术
在地区电网中,为了保证输电线路的安全可靠运行,线路中传输的电流常常受到一个线路额定值的约束。在传统的输电线路中,该额定值是由历史数据统计得出的在不利天气下的一个静态值,在一般天气状况下会影响电路的输电效率。随着区域用电量和电网接入电厂的不断增加,为提高线路的输电效率和安全性,实现输电线路的动态增容(DLR)具有重要意义。
架空导线的额定值与气象条件密切相关,在给定线路运行的最大温度条件下,主要由气温、风速和太阳辐射强度决定,因此DLR实质上是根据架空导线的气象数据进行实时计算线路最大容许载流量。而现有的气象数据的获取主要有根据物理、统计和机器学习模型三种方法。物理模型依赖于数值天气预测数据,因此虽然该方法具有良好的准确性,但需要来自卫星的额外图像和云图信息,从而导致更高的操作和计算成本。而统计模型是基于传统的线性回归数学模型,由于线性回归模型在历史气象数据输入和DLR输出之间建立了线性映射,因此该方法不能有效地捕获输入特征和输出之间的非线性关系,导致预测精度较差。为解决上述问题,近年来多种例如支持向量回归等可以产生非线性关系的机器学习的模型被用于DLR中,取得了较好的预测结果,但这些模型依赖于预定的参数和非线性映射,并且气象数据预测是一个时间序列问题,数据在时间和模态上同时存在交互关系,对于传统机器学习方法来说,很难捕获输入和目标值间潜在的非线性映射关系。
发明内容
本申请实施例的目的在于提供一种多维特征交互的线路动态增容方法、***及介质,降低预测误差,最终实现对线路环境参数的准确预测和动态增容。
为实现上述目的,本申请提供如下技术方案:
第一方面,本申请实施例提供一种多维特征交互的线路动态增容方法,包括以下具体步骤:
利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列;
针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征,同时将获得的模态特征和时间特征通过一个双工DT模块实现特征交互;
利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值;
根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容。
所述利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列,具体为,
所述针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征具体为,
将维的输入和输入自适应动态卷积AdaConv模块以提取数据的模态特征和时间特征,自适应动态卷积AdaConv模块的操作为将的输入数据与的卷积核进行卷积操作从而将原始数据映射到决定气象数据值的特征数据层。
将获得的模态特征和时间特征通过一个双工DT模块实现特征交互具体为,首先通过线性变换将模态特征和时间特征的时间通道数变为1:
所述利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值具体为,
所述根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容具体为,
建立架空导线的稳态热平衡模型:
第二方面,本申请实施例提供一种多维特征交互的线路动态增容***,包括,
时间差序列获取模块,利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列;
特征提取和交互模块,针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征,同时将获得的模态特征和时间特征通过一个双工DT模块实现特征交互;
预测值获取模块,利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值;
动态增容实现模块,根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容。
第三方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有程序代码,所述程序代码被处理器执行时,实现如上所述的多维特征交互的线路动态增容方法的步骤。
与现有技术相比,本发明的有益效果是:
通过自适应动态卷积AdaConv模块构成的模态编码器和时间编码器分别提取数据的模态和时间特征,提高了特征模型的表达能力。同时结合一个双工模块DT实现了特征交互,充分提取特征间非线性关系。并且通过双侧通道激活模块BCA解码交互后的模态时间一致性特征,降低预测误差,最终实现对线路环境参数的准确预测和动态增容。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例的方法流程图;
图2为本申请实施例的方法实施流程示意图;
图3为本申请实施例的自适应动态卷积AdaConv模块原理图;
图4为本申请实施例的电网动态容量的预测值与实际值对比图;
图5为本申请实施例的***框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
参照图1,图1为本申请实施例提供的一种基于双通道自适应动态卷积的多维特征交互的线路动态增容方法,包括以下具体步骤:
S1.利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列;
S2.针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征,同时将获得的模态特征和时间特征通过一个双工DT模块实现特征交互;
S3.利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值;
S4.根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容。
如图2所示,本申请实施例的具体流程框图,
步骤(1),气象相关数据组成的时间序列和时间差序列的获取:将架空线路所在环境的气温、风速和太阳辐射强度相关数据组成的时间序列输入到模型中,其中为决定气温、风速和太阳辐射强度数据值的变量维度,为序列长度。为了提取序列在时间和模态上的交互特征,模型设置了时间和模态上双流编码处理模块。时间序列作为模态编码器的输入,用以提取每一时刻的数据的模态特征。模型对序列进行前后相减得到时间差序列作为时间编码器的输入,用以提取序列的时间特征。
步骤(2),时间编码和模态编码,用以提取序列的时间模态特征和实现特征间的交互。编码层的操作主要分为以下两步:
第一步是基于自适应动态卷积AdaConv的模态特征和时间特征的提取。将维的输入和输入卷积模块以提取数据的模态特征和时间特征。卷积模块的操作为将的输入数据与的卷积核进行卷积操作从而将原始数据映射到决定气象数据值的特征数据层。
考虑到传统静态卷积核对模型表达能力严重限制的问题,这里采用改进的自适应动态卷积AdaConv的方法进行序列特征的提取,根据注意力模型动态地聚合序列上并行卷积核,注意力机制会根据输入动态调整每个卷积核的权重,从而生成自适应的动态卷积核。具体做法如图3所示,注意力模型由一个平均池、一个全卷积、一个ReLU函数、一个全卷积和softmax函数依次组成,输入数据经过注意力模型后生成L组权重,每个卷积核与对应权重相乘再相加后即可得到的动态卷积核:
步骤(3),通过双侧通道激活模块BCA解码交互后的模态时间一致性特征,得到预测的温度,风速和太阳辐射强度数据,主要分为以下几步:
第一步,建立架空导线的稳态热平衡模型:
本实施例的基于时间模态特征交互的线路动态增容方法,解决线路动态增容领域中对环境气候数据的预测中存在的模型表达能力差,难以揭示时间和模态特征间非线性关系的难题,同时对历史气象数据的时间和模态特征进行了提取,并利用这些特征对进行了线路额定值的预测。基于上述方法,本申请利用NORD POOL提供的no网的2022年10月24日到30日一周24小时的数据作为具体实施例,其中前六天的数据作为训练数据训练学习网络,最后一天的数据作为测试数据用以衡量本申请方法的好坏,最终的电网容量的真实结果、预测结果和误差如图4所示,可以看出,采用本申请的动态增容方法,可以实现较为精确的电网容量动态预测。
如图5所示,本申请实施例提供一种多维特征交互的线路动态增容***,包括,
时间差序列获取模块100,利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列;
特征提取和交互模块200,针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征,同时将获得的模态特征和时间特征通过一个双工DT模块实现特征交互;
预测值获取模块300,利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值;
动态增容实现模块400,根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有程序代码,所述程序代码被处理器执行时,实现如上所述的多维特征交互的线路动态增容方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (3)
1.一种多维特征交互的线路动态增容方法,其特征在于,包括以下具体步骤:
利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列;
针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征,同时将获得的模态特征和时间特征通过一个双工DT模块实现特征交互;
利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值;
根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容;
所述利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列,具体为,
所述针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征具体为,
将维的输入和输入自适应动态卷积AdaConv模块以提取数据的模态特征和时间特征,其中为特征维度,自适应动态卷积AdaConv模块的操作为将的输入数据与的卷积核进行卷积操作从而将原始数据映射到决定气象数据值的特征数据层;
将获得的模态特征和时间特征通过一个双工DT模块实现特征交互具体为,首先通过线性变换将模态特征和时间特征的时间通道数变为1:
所述利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值具体为,
所述根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容具体为,
建立架空导线的稳态热平衡模型:
2.一种多维特征交互的线路动态增容***,用以实现权利要求1的方法,其特征在于,包括,
时间差序列获取模块,利用线路环境的历史气象数据的时间序列进行延时相减操作,获得时间差序列;
特征提取和交互模块,针对原时间序列和获得的时间差序列分别通过一个自适应动态卷积AdaConv模块提取其模态特征和时间特征,同时将获得的模态特征和时间特征通过一个双工DT模块实现特征交互;
预测值获取模块,利用双侧通道激活模块处理交互后的特征,得到线路的气温、风速和日照辐射强度预测值;
动态增容实现模块,根据热平衡模型和线路安全运行的最高温度解得线路运行的额定值,从而实现线路的动态增容。
3.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序代码,所述程序代码被处理器执行时,实现如权利要求1所述的多维特征交互的线路动态增容方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211438022.7A CN115496002B (zh) | 2022-11-16 | 2022-11-16 | 一种多维特征交互的线路动态增容方法、***及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211438022.7A CN115496002B (zh) | 2022-11-16 | 2022-11-16 | 一种多维特征交互的线路动态增容方法、***及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115496002A CN115496002A (zh) | 2022-12-20 |
CN115496002B true CN115496002B (zh) | 2023-02-24 |
Family
ID=85115996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211438022.7A Active CN115496002B (zh) | 2022-11-16 | 2022-11-16 | 一种多维特征交互的线路动态增容方法、***及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496002B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012035433A2 (en) * | 2010-09-17 | 2012-03-22 | Nexans | System and method for power grid management |
CN103176086A (zh) * | 2013-03-11 | 2013-06-26 | 河南省电力公司电力科学研究院 | 一种输电线路动态增容摩尔根载流量的监测方法 |
CN106684864A (zh) * | 2016-12-29 | 2017-05-17 | 武汉大学 | 一种基于botdr测温技术的架空线路动态增容方法 |
CN114021300A (zh) * | 2021-07-14 | 2022-02-08 | 河海大学 | 一种架空输电线路动态增容概率性预测方法 |
CN114707426A (zh) * | 2022-04-29 | 2022-07-05 | 广西电网有限责任公司南宁供电局 | 一种基于多源数据融合的线路动态增容方法 |
CN114996912A (zh) * | 2022-05-09 | 2022-09-02 | 国网宁夏电力有限公司电力科学研究院 | 基于气象信息的电网输电断面动态增容评估方法及*** |
CN115293258A (zh) * | 2022-08-02 | 2022-11-04 | 国网山西省电力公司晋中供电公司 | 一种输电线路导线覆冰监测分析方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140163884A1 (en) * | 2012-12-10 | 2014-06-12 | Universite De Liege | Method and system for the determination of wind speeds and incident radiation parameters of overhead power lines |
US20180005109A1 (en) * | 2016-05-25 | 2018-01-04 | Harold Szu | Deep Learning Neuromorphic Engineering |
CN110321601B (zh) * | 2019-06-14 | 2021-03-26 | 山东大学 | 一种架空线路动态载流能力超前预测方法及*** |
-
2022
- 2022-11-16 CN CN202211438022.7A patent/CN115496002B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012035433A2 (en) * | 2010-09-17 | 2012-03-22 | Nexans | System and method for power grid management |
CN103176086A (zh) * | 2013-03-11 | 2013-06-26 | 河南省电力公司电力科学研究院 | 一种输电线路动态增容摩尔根载流量的监测方法 |
CN106684864A (zh) * | 2016-12-29 | 2017-05-17 | 武汉大学 | 一种基于botdr测温技术的架空线路动态增容方法 |
CN114021300A (zh) * | 2021-07-14 | 2022-02-08 | 河海大学 | 一种架空输电线路动态增容概率性预测方法 |
CN114707426A (zh) * | 2022-04-29 | 2022-07-05 | 广西电网有限责任公司南宁供电局 | 一种基于多源数据融合的线路动态增容方法 |
CN114996912A (zh) * | 2022-05-09 | 2022-09-02 | 国网宁夏电力有限公司电力科学研究院 | 基于气象信息的电网输电断面动态增容评估方法及*** |
CN115293258A (zh) * | 2022-08-02 | 2022-11-04 | 国网山西省电力公司晋中供电公司 | 一种输电线路导线覆冰监测分析方法及*** |
Non-Patent Citations (3)
Title |
---|
FOSS S D, et al..Dynamic thermal line ratings * |
part I:dynamic ampacity rating algorithm.《IEEE Transactions on Power Apparatus Systems》.1983, * |
基于热稳定约束的架空导线增容计算研究;马晓明等;《电力***保护与控制》;20120716;第40卷(第14期);92-97 * |
Also Published As
Publication number | Publication date |
---|---|
CN115496002A (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321601B (zh) | 一种架空线路动态载流能力超前预测方法及*** | |
TWI796286B (zh) | 一種機器學習系統的訓練方法和訓練系統 | |
AU2014389497B2 (en) | Combing multiple trending models for photovoltaic plant output forecasting | |
CN109521994A (zh) | 乘法硬件电路、片上***及电子设备 | |
CN113776122B (zh) | 供热控制方法、装置、设备、介质和产品 | |
CN108595757A (zh) | 能源设备建模、能源站调度方法、装置以及设备 | |
CN115496002B (zh) | 一种多维特征交互的线路动态增容方法、***及介质 | |
Guo et al. | A new approach for interval forecasting of photovoltaic power based on generalized weather classification | |
JP7414357B2 (ja) | テキスト処理方法、装置、デバイス及びコンピュータ読み取り可能な記憶媒体 | |
CN115545361B (zh) | 一种电网传输线路气候环境预测方法、***及介质 | |
CN115935723B (zh) | 用于实现氮化镓制备场景下的设备组合分析方法及*** | |
CN114819425A (zh) | 一种区域用电量智能预测方法、***及存储介质 | |
Wang et al. | Wind power prediction based on nonlinear partial least square | |
CN111859802B (zh) | 一种架空导线稳态温度计算方法、***以及设备 | |
CN115189863A (zh) | 一种基于区块链网络架构电商交易信息管理*** | |
CN109472408A (zh) | 一种火力发电机组冷端管理平台优化调节*** | |
CN114282737A (zh) | 一种短期太阳辐照强度的预测方法、装置和电子设备 | |
CN115579887B (zh) | 一种传输线路动态增容方法、***及介质 | |
CN115438591A (zh) | 一种平衡多连接线路损耗的动态增容方法、***及介质 | |
CN111769587A (zh) | 一种光伏发电参与的电网调频控制方法和装置 | |
Chen et al. | The wind power forecast model based on improved EMD and SVM | |
CN113988491B (zh) | 光伏短期功率预测方法、装置、电子设备及存储介质 | |
CN116108989B (zh) | 一种风电超短期功率预测方法、***、存储介质及设备 | |
Cui et al. | Short-term forecasting of surface solar incident radiation on edge intelligence based on AttUNet | |
CN115860281A (zh) | 基于跨实体注意力的能源***多实体负载预测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |